• 沒有找到結果。

行政院國家科學委員會專題研究計畫 成果報告

N/A
N/A
Protected

Academic year: 2022

Share "行政院國家科學委員會專題研究計畫 成果報告"

Copied!
48
0
0

加載中.... (立即查看全文)

全文

(1)

行政院國家科學委員會專題研究計畫 成果報告

服務供應鏈導入綠色管理績效評估、需求管理與最適定價/

訂購決策分析之競合營運模式(I) 研究成果報告(精簡版)

計 畫 類 別 : 個別型

計 畫 編 號 : NSC 99-2221-E-216-016-

執 行 期 間 : 99 年 08 月 01 日至 100 年 09 月 30 日 執 行 單 位 : 中華大學科技管理學系(所)

計 畫 主 持 人 : 謝玲芬

計畫參與人員: 碩士班研究生-兼任助理人員:洪千惠 碩士班研究生-兼任助理人員:鄭哲涵 碩士班研究生-兼任助理人員:張依庭

報 告 附 件 : 出席國際會議研究心得報告及發表論文

處 理 方 式 : 本計畫涉及專利或其他智慧財產權,2 年後可公開查詢

中 華 民 國 100 年 10 月 11 日

(2)

行政院國家科學委員會補助專題研究計畫 □ 成 果 報 告

□期中進度報告

服務供應鏈導入綠色管理績效評估、需求管理與最適定 價/訂購決策分析之競合營運模式(I)

計畫類別:□ 個別型計畫 □ 整合型計畫 計畫編號:NSC 99-2221- E -216-016-

執行期間: 99 年 8 月 1 日至 100 年 7 月 31 日

計畫主持人:謝玲芬 共同主持人:

計畫參與人員:洪千惠、張依庭、鄭哲涵

成果報告類型(依經費核定清單規定繳交):□精簡報告 □完整報告

本成果報告包括以下應繳交之附件:

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各乙份

□國際合作研究計畫國外研究報告書一份

處理方式:除產學合作研究計畫、提升產業技術及人才培育研究計畫、列 管計畫及下列情形者外,得立即公開查詢

□涉及專利或其他智慧財產權,□一年□二年後可公開查詢

執行單位:中華大學科技管理學系

中 華 民 國 100 年 10 月 8 日

3

3

3

3

3

(3)

中文摘要

面對景氣低迷、能源危機與全球暖化問題,為因應全球經濟劇烈變化,並有效提升台灣產 業發展,行政院提出六大關鍵新興產業發展策略,期望未來將以「觀光」串連各個產業,運用 大三通及台灣特殊自然、人文與社經資源優勢,發展台灣成為東亞觀光交流轉運中心及國際觀 光重要旅遊目的地。台灣屬於海島型國家,對外交通全仰賴航空與海運,休閒旅遊產業尤其需 依賴航空業推動。航空運輸業具有高度資本沉沒性、產出不可儲存的特性,如何使其達到資源 最適配置便是重要的議題。相對地,面對全球暖化問題,航空運輸業如何能在有效的控制成本、

服務品質、運輸班次及避免浪費內部營運工具,以達到能源有效利用及節能減碳的環保目的,

已成為規劃未來經營策略的重要考量。

本計劃將提出一結合需求管理之效率/效能評估模式,在需求管理部分,除了依據航空業 歷年旅客搭乘人數為預測基礎外,並將季節性及天然因素納入需求預測機制,以降低預測誤 差!藉由需求預測結果回饋效率/效能評估模式中,重新調整資源配置,作為航空業規畫未來 經營策略之參考。為驗證本研究所提出之評估模式之適用性及正確性,以航空公司之各航線為 評估對象,對航空公司之各航線提出資源重新配置的建議及未來經營方針。

關鍵詞:服務供應鏈管理、績效評估、需求管理 Abstract

According to the dramatic change in the global economy, the energy crisis and global warming, the Taiwan government suggests six new critical developing strategies to integrate various industries with tourism, using its special natural and geographical conditions, humane and social economics resources advantage to expand to be the tourism transshipment center in the Eastern Asia and the improvement international sightseeing destination. The product and service leisure tourism industries provided have their own supply chain, which are structured a service supply chain by several relative tour suppliers such as the hotel industry, transportation, tour industry. Taiwan is an island country;

therefore, all the outbound traffics are relied on and maritime transport, especially the leisure tourism industries. The aviation industries have the highest capital sunk natures and outputs can not be saved properties. How to reach the optimal allocation of resources is an important topic. Otherwise, in order to face the global warming situation; how the aviation industry effectively control their cost, service quality, transportation frequency and to avoid wasting to achieve the goal of efficient use of energy and reduce carbon emissions environmental are becoming the most important concern of planning the future managing strategies.

This project will propose a combination model of demand management, and efficiency/effectiveness evaluation. In the aspect of demand management, in addition to the past data of passengers, this project add up seasonality and natural factors into the forecasting mechanism in order to reduce forecast error for the aviation industry. The results of forecasting demand are feedback to the efficiency/effectiveness evaluation model, the reallocation of resources will avoid waste of resources and the suggestion for the future planning reference in the aviation industry. This project of business strategy, especially for the aviation industry is to improve resource utility through efficiency and reducing carbon emissions further improve for the service supply chain competitiveness. To verify the applicability and accuracy of the evaluation model proposed in this project, the various routes of the airline are evaluated. According the results proposes the suggestion for reallocation of resources and future manages direction for airline corporations in the airlines of various routes.

Keywords: Service supply chain management; Performance evaluation; Demand management

(4)

1. 前言

面對景氣低迷、能源危機與全球暖化問題,為因應全球經濟劇烈變化,並有效提升台灣產 業發展,行政院提出觀光旅遊、醫療照護、生物科技、綠色能源、文化創意及精緻農業等六大 關鍵新興產業發展策略,期望能在國際大環境不佳的情形下,提升產業競爭力,突破出口困境。

此外政府亦投入超過2000 億元經費,正式將二氧化碳排放量的管控,納入環境評估審議的內 容,可見節能減碳作為已勢在必行。然而如何能在有效的控制成本,並達到節能減碳的環保目 的,儼然已成為各企業規劃未來經營策略的重要考量。

政府推動的六大新興關鍵產業,未來將以「觀光」串連各個產業,預計投資300 億觀光發 展基金。在觀光拔尖領航方案中進一步規畫如何聚焦及加強國際語文人才訓練,以爭取國際旅 客來台灣體驗我們自然人文資源及產業轉型成功的各項成果,運用大三通及台灣特殊自然、人 文與社經資源優勢,發展台灣成為東亞觀光交流轉運中心及國際觀光重要旅遊目的地。

隨著臺灣經濟的發展、人民生活品質提升以及消費型態的改變下,休閒觀光產業也隨之蓬 勃發展,「觀光」不僅為台灣與世界接軌,也是國家、城市、地方對外形象之指標。Page(2003) 指出休閒旅遊業的產品和服務的供應包括相互關聯的旅遊供應者,即飯店業、交通運輸業、旅 遊業、餐廳…等,並且構成一服務供應鏈的架構與營運策略,如圖一。基於休閒旅遊的特性,

其服務供應鏈管理的七個關鍵管理議題包括︰需求管理、兩造關係(two-party relationships)、供 應管理、顧客關係管理、產品開發、旅遊供應鏈協調和資訊技術。需求管理是一個連結整個服 務供應鏈內所有程序的關鍵部分。一般說來,需求管理包括需求預報,銷售和基於計畫需求和 服務/生產能力的銷售計畫,需求管理是成功實現服務供應鏈的關鍵。對未來需求的不確定是 旅遊業的最重要的特性之一。無疑地旅遊需求若無法正確地管理,可能為旅遊業帶來明顯的損 失。當全球經濟景氣且遊客有越來越多的產品選擇時,旅遊市場的不確定性和複雜性將增加。

在此情況下,在旅遊供應鏈內的成員將憑藉集體行動穩定旅遊產品供應環境。

圖一、服務供應鏈架構與營運策略圖

遊客通常把一種旅遊產品視為許多不同服務的結合,因此一種旅遊產品/ 服務的服務屬性 被視為連結和互相依存。如果一個特別旅遊產品的屬性如航空公司的服務品質無法使遊客滿 意,將導致整體遊客滿意水準下降。旅遊產品傾向於是不容保存的,並且有較高的預付款(固 定成本)以維持是固定水準的服務能力。因此,透過增加收入和成本降低增加來增加貨幣價值 是服務供應鏈管理中最重要的一環。需求管理包括需求預報和基於計畫需求和服務/生產能力 的銷售計畫,需求管理是成功實現服務供應鏈的關鍵。有效的服務供應鏈管理是休閒旅遊業增 加競爭性的策略之一,而需求管理、績效評估與最適定價/訂購模式則是提升服務供應鏈管理 之效能的關鍵。

台灣屬於海島型國家,對外交通全仰賴航空與海運,休閒旅遊產業尤其需依賴航空業推 動,如圖二。航空運輸業具有高度資本沉沒性、產出不可儲存的特性,近年來全球性經濟不景 氣及飛安事故頻傳的籠罩下,在經營管理上更突顯其困難,如何使其達到資源最適配置便是重

(5)

要的議題。有效的績效評估對服務供應鏈是必要的。它不僅影響整個服務供應鏈的活動,也評 價所有供應鏈內成員(航空業、飯店業、交通運輸業、旅遊業、餐飲業及MICE 大型會議中心、

展館)的努力程度,進而提供資源重新配置的資訊。相對地,面對全球暖化問題,航空運輸業 如何能在有效的控制成本、服務品質、運輸班次及避免浪費內部營運工具,以達到能源有效利 用及節能減碳的環保目的,已成為規劃未來經營策略的重要考量。

圖二、以交通運輸業為主軸之觀光旅遊服務供應鏈架構

服務供應鏈管理的目標是在滿足客戶需要的前提下,對整個供應鏈的各個環節進行計劃、

協調、操作、控制和優化,使總成本達到最佳化,亦即達到整個供應鏈中各夥伴共贏的營運模 式。基於上述理由,本計畫之研究目的包括:

1. 提出一結合需求管理之效率/效能評估模式,除了適切考量航空業特色、綠色管理概念,妥 善訂定效率、效能之評估指標,其中不僅包含了作業面與財務面,更加入飛行安全因素進行 考量;在需求管理部分,除了依據航空業歷年旅客搭乘人數為預測基礎外,並將顧客關係管 理、顧客滿意度/忠誠度、季節性、價格因素及天然因素(如:911 事件、峇里島攻擊事件、

SARS 以及南亞海嘯,),納入需求預測機制,以降低預測誤差!藉由需求預測結果回饋效 率/效能評估模式中,重新調整資源配置,避免資源之浪費,作為航空業規畫未來經營策略 之參考,尤其針對航空業可藉由提升資源利用效率,減少碳排放量,更進一步提高服務供應 鏈之競爭力。

2. 為驗證本研究計畫所提出之效能評估模式之適用性及正確性,以航空公司之各航線為評估 對象,並加以實證分析,最後對航空公司之各航線提出資源重新配置的建議及未來經營方針。

2. 文獻探討

隨著國人生活價值觀的改變及國際上日漸重視環境保護,生態保護的意識逐漸高漲,也漸 漸地對自然生態抱持著反省的態度。未來社會人類對休閒需求的增加,有關休閒設施的開發,

也勢必會增強。但在休閒設施開發的過程中,很容易破壞自然生態,造成自然資源的損失,以 及後續因自然災害造成的社會成本增加(曹勝雄,2001)。Page(2003)首先指出休閒旅遊業的產 品和服務的供應包括相互關聯的旅遊供應者,包括飯店業、交通運輸業、旅遊業、餐廳…等,

並且構成一服務供應鏈的架構。Veronneau and Roy (2009)透過佛羅里達一個大型的全球巡航公 司的實地考察,探討解決全球性遊輪業供應鏈管理之複雜性的方法。Zhang 等人(2009)針對休 閒旅遊供應鏈管理提出一學理架構,清楚分析休閒旅遊的特性及影響休閒旅遊供應鏈管理的關 鍵議題。Yilmaz 和 Bititci (2009)從一個旅遊供應鏈的觀點比較製造業和旅遊業的績效評估,並 針對旅遊供應鏈提出一績效評估的架構。Tongzon (2001)利用 DEA 評估澳洲四個港口與其他國 際港口的相對效率,並藉由差額變數來改善無效率的港口。Fielding 等人(1985)等人最先提出 效能的概念並建構了運輸業之績效評估架構,運用DEA 衡量大眾運輸公司的相對效率與相對 效能。Keh 等人(2006)使用 DEA 去衡量行銷服務的效率效能以及其生產力。以下將分別針對

(6)

航空業績效評估指標、多準則決策方法及預測方法之相關文獻加以評析。

2.1. 航空業績效評估指標

針對運輸業在經營效率/效能的相關研究,Fielding 等人(1985)以勞工、資本、與燃料費用 為服務投入項,以行車小時數、行車公里作為服務產出項,而以載客人數、乘客公里、載客收 益作為服務消費,以衡量公路客運之營運績效。Feng and Wang (2000)加入了財務因素評估航 空公司的績效,其服務投入項目有員工數、機隊數、資產以及資本,服務產出為座位公里數、

總負債以及利息費用,服務消費則有乘客公里數、淨收入以及作業收益。Chiou and Chen (2006) 使用DEA 衡量某一航空公司於台灣國內航線之效率、效能,其服務投入項目有燃料成本、人 事成本、以及飛機費用包含維修、折舊以及利息給付,服務產出為機隊數以及座位公里數,服 務消費則有乘客公里數以及乘坐旅客數。Lin(2006)則指出 Chiou and Chen (2006)於服務消費構 面中指標的選擇不適當,因乘客公里數可視為乘坐旅客數乘上公里數,因此這兩項指標具由極 度的正相關,對於使用DEA 分析後的結果會造成差異。Keh 等人(2006)使用 DEA 去衡量行銷 服務的效率效能以及其生產力,結果顯示當行銷預算超過總花費預算百分之十二時會造成行銷 無效率,此外在生產力部分亦顯示需縮小投入規模。

2.2. 多準則決策方法(Multiple Criteria Decision Making, MCDM)

多準則決策方法(MCDM)可分為多屬性決策(MADM)與多目標決策(MODM),其中多屬性 決策適用於有限個替代方案且為已知之狀態,而多目標決策則適用於知道目標式及限制式之條 件卻未知替代方案之情況。Diaz. and Romero (2008)更透過文獻的整理將多評準決策的研究分 為 九 大 領 域 , 包 括 : 多 目 標 規 劃(Multi-Objective Programming, MOP) 、 標 的 規 劃 (Goal Programming, GP)、妥協規劃(Compromise Programming)、多屬性效用理論、模糊多準則規劃、

分析層級程序法、資料包絡分析法、群體決策方法及其他離散方法。其中MOP 為尋求有效的 解,如柏拉圖最佳解而不是不存在於現實情況之最佳解。Cote 等人(2003)利用雙階規劃於航空 業之票價訂價,吳坤暉(2001)利用雙階規劃於國防資源最適分配,利用 AHP 分析國防配置之 各軍種的相對重要性,並利用五個情境構面來了解國防人力、財力、物力之資源分配至各軍種 之看法與認知,進而規劃國防戰力分配及資源分配最佳模式。Arthur(1981)提出兩階段求解護 理人員排班問題之模型。在排班週期為兩週、所有護理人員皆為全時間的人員、每天工作八小 時、每週工作五天的假設條件下,將護理人員排班分為兩階段求解。第一階段利用0-1 目標規 劃方式將最小人力需求、護理人員對排班型式的偏好意願及護理人員的個人特別需求納入模式 中加以考慮,第二階段再以啟發式演算法將護理人員指派到各班別中。

資料包絡分析法是Charnes, Cooper and Rhodes 在 1978 年根據經濟學中柏拉圖最佳解的理 念,所提出的線性規劃模式,適用於多投入多產出之情況下,利用目標式與限制式之數學規劃 的技巧衡量出評估單位之生產邊界,並計算出個別受評量單位的相對效率值。DEA 法除了在 運輸業已被大量運用外,亦涉及各項領域的運用,如Kao and Hung (2008)曾利用 DEA 去評估 大學內各系所資源分配的相對效率。Bergendahl and Lindblom (2008)使用 DEA 衡量瑞典 88 家 儲蓄銀行在1997 至 2001 年服務效率方面的表現。Tsai 等人(2006)使用傳統 DEA 方法、A&P 模式以及提出修正 DEA 的效率達成對全球電信業者進行評估。張德儀與黃旭男(2006)利用灰 關聯進行指標的擷取後,使用 DEA 對台灣國際觀光旅館之經營績效進行評估。Düzakin 等人 (2007)使用超效率 SBM(Super Slacks-Based Measure)模式評估製造業之績效,針對土耳其 480 家公司分為12 種產業類別,進行績效分析、一般產業分析以及敏感度分析,且文中對於負值 產出轉為正值產出以利 SBM 模式運算也有相關定義。Avkiran(2009)針對一般傳統 DEA 未能 完整顯現組織中未具效率的部分,文中採用網絡DEA 方法探究以往被視為黑箱而未被討論的 中間過程,並以非導向的SBM 方法評估一個虛擬的利潤中心,此利潤中心為阿拉伯聯合大公 國各國家銀行所提供之實質資料,同時使用NDEA 與 NSBM 做探討,可同時對投入項與產出

(7)

項做改善。Tone and Tsutsui(2009)介紹一個網路 DEA 模式稱為 NSBM,由於傳統 DEA 容易忽 略 中 間 產 物 和 具 連 結 關 係 之 過 程 , 故 提 出 使 用 差 額 變 數 為 衡 量 基 礎 的 網 路 模 式 , 結 合 WSBM(weighted SBM)模式,即針對較重要的部分給予較高的權重值,衡量不同區塊的績效值 以及整體績效。Hsieh and Lin(2010)使用關聯式網絡資料包絡分析法構建模式並分析台灣國際 觀光旅館的效率與效果。

由上述文獻評析,雖然DEA 法已被廣泛應用於經營效率/效能之評估,但 DEA 法由 1978 年至今已有多位學者為增廣其應用性,已發展出兩百多個衍生模式,每個模式均有各自的假設 條件、數學模式,並提供不同的資訊,提供受評估單位不同的改善資訊。本研究提出一最適服 務供應鏈之決策模式,整合兩階段DEA 模式及需求預測管理機制,對航空業分別在面臨因應 開發熱門景點導致的熱門航線或景氣低迷、季節性…等環境變化導致需求變化時,提供足夠的 資源最適配置資訊。

2.3. 預測方法

唯有透過預測需求才能改善效能,進而提升效率。故本研究加入預測未來需求使本研究架 構更臻完善。旅遊需求預測的議題相當吸引學者的興趣,大多數文獻應用統計方法、計量經濟 學和時間序列來預測旅遊需求。時間序列法是以時間先後為分類基準的統計數列,其自變數為 時間,應變數為各時點所對應之數值,常被應用的有移動平均法、指數平滑法、ARIMA。Song and Li (2008) 對有關觀光預測的文獻作整理,發現 2000 年以後有三分之二的需求預測都使用 Box-Jenkins’ Autoregressive Integrated Moving Average (ARIMA)去預測。Lim and McAleer (2002) 利用ARIMA 去預測分別由香港、馬來西亞以及新加坡至澳洲的旅客。而又考慮到季節變動的 因素因此衍生出seasonal ARIMA(SARIMA),Goh and Law (2002)提出 SARIMA 勝於沒有考慮 到季節因素的ARIMA。

除了時間序列外,後續亦有學者使用類神經網路及灰預測進行預測。由於電腦在處理大量 的數值運算上的能力是人腦所無法比的,且所得到的結果具有高度的精準性與可靠性,然而人 腦的辨別、歸納以及決策工作等處理整體資訊的速度卻遠超過電腦。因此許多科學家開始藉著 數學模式的建立使電腦模仿人類神經系統結構及資料處理方式,就是所謂的類神經網路 (artificial neural network),為模仿生物神經網路的資訊處理系統。Law and Au (1999)首先利用 類神經去預測從日本到香港的觀光需求,結果顯示類神經模式的預測結果優於多元迴歸、指數 平滑與移動平均。Law (2000) 更提出了由倒傳遞類神經模式預測結果不僅優於時間序列模 式、迴歸模式,更比前導式的類神經網路的準確性高。

但時間序列與類神經等方法都需要大量的資料數據,才能產生較低的預測錯誤率,但實際 上很多數據是難以收集。因此在此限制下,部分學者則採用灰預測進行預測。灰色系統理論由 鄧聚龍教授於 1982 所提出,主要應用於系統模型在訊息不完全、行為模式不確定、操作機制 不清楚的狀況下,進行系統的關聯分析、模型建構、預測、決策與控制等工作。灰色系統理論 將雜亂無章的原始數據經過處理後,找尋其規律性,經由處理過後的數列轉換為微分方程,建 立灰色模型(grey model ;GM),再以此進行預測即稱為灰預測。其最大特色為灰預測不需要大 量數據,甚至只用四個數據即可建模進行預測。Wang(2004)提出使用模糊時間數列與利用馬可 夫鏈修正灰預測對從香港、美國以及德國來台需求預測,結果顯示原本GM(1,1)模式較適用於 香港與美國來台預測,而經過馬可夫鏈修正的灰預測則適用於德國來台預測。Akay and Atak(2007)使用 RGM(rolling grey model)對土耳其進行電力需求預測,結果顯示 RGM 的誤差遠 小於土耳其政府所預測的數據。

本研究透過所收集數據之特性來選擇最適之預測方法,由於旅遊業經常需面臨較高的需求 不確定性和較複雜的動態變化。當全球經濟景氣且遊客有越來越多的產品選擇時,旅遊市場的 不確定性和複雜性勢必將增加,故本研究使用SARIMA 模式做為需求預測工具。

(8)

3. 模式構建

本研究首先以績效評量的角度,配合企業社會責任指標,使航空業經營者了解引入綠色管 理策略,不只能在經營上開拓新局,亦能提升航空業之國際競爭力,提出一結合需求管理之效 率/效能評估模式,如圖三,除了適切考量航空業特色、綠色管理概念,妥善訂定效率、效能 之評估指標,應用兩階段資料包絡分析法(Two-Stage DEA),針對「生產效率」、「行銷效能」

與「執行效能」三大構面分別進行評估衡量,如圖三中之黃色實線部份。其中服務投入到服務 產出數量之衡量,稱為「生產效率」,主要是在探討運輸服務資源利用的程度;「行銷效能」

則是衡量消費者對於服務產出的使用程度;至於「執行效能」則是探討服務消耗的程度與服務 投入間之效能。透過航班數以及提供座位數與員工數的關係可得知其員工的生產力,藉由航班 數以及提供座位數與機隊數的關係可得知其機隊生產力,而實際的服務產出航班數以及提供座 位數與實際顧客消費情形則可衡量其行銷效能,衡量行銷部門對於行銷其公司所生產的產出以 及顧客實際消費情形之間是否具有效能。最後則是執行效能的部份,透過顧客消費的情形去衡 量當初投入是否具有其執行效能,若為無效能,下一期的投入則可藉由改善方向進行調整。

但影響服務業營運績效最重要的是降低未來需求之不確定性,本研究進一步藉由需求管理 的理念,採用季節性整合型自迴歸暨移動平均相乘(SARIMA)模式預測下年度搭機人數,透過 事前預測未來需求量,確實掌握未來乘客需求,在需求管理部分,除了依據航空業歷年旅客搭 乘人數為預測基礎外,並將季節性及天然因素納入需求預測機制,以降低預測誤差!再藉由需 求預測資訊回饋至整體服務績效評估模式中,見圖三中之紅色虛線部份,由投入面提出資源最 適配置建議,避免資源之浪費,作為航空業規畫未來經營策略之參考,尤其針對航空業可藉由 提升資源利用效率,減少碳排放量,以提昇航空運輸業之經營績效。

圖三、導入需求管理機制之營運績效模式構建 3.1. 效率/效能評估指標之構建

在一績效評估模式中,評估指標之適用性、正確性及完整性非常重要,因其涉及是否能真 正達到績效評估的目的。本研究由文獻整理出航空業的服務投入項目有燃料成本、人事成本、

以及飛機費用包含維修、折舊、利息給付、員工數、機隊數、資產以及資本,服務產出為機隊 數以及座位公里數、總負債以及利息費用,服務消費則有乘客公里數、乘坐旅客數、淨收入以 及作業收益。在消費者心中,除了準時以及準確抵達目的地是必要的之外,安全因素也是一重 大考量。Chang and Yeh(2004)將影響台灣主要航空公司的安全因素分為四個構面,分別為管 理、操作、維持以及潛在風險方面,其中潛在風險方面則是平均機齡以及飛機的種類。Chu 等 人(1992)於衡量客運之營運績效的服務產出中提出班次數,因航空業具有高度資本沉沒性、產 出不可儲存的特性,一旦班機起飛後,若機位空位越多則會造成無效能的情況用明顯,因此航

(9)

班數亦是造成無效能的因素,故納入本研究之考量範圍。

本研究亦導入綠色管理的理念,就是將環境保護的觀念融於企業的經營管理之中,即在處 理環境與經濟的衝突時,必須追求既能保護環境,又能促進經濟發展的方案,這就是經濟與環 境的雙贏,也是可持續發展的要求。針對觀光旅遊產業之服務供應鏈導入綠色管理的思維,雖 無法達到開發新資源,卻是可以藉由提升資源利用效率、實施包裝減量以降低投入成本等關鍵 措施達到節能減碳的目的。

綜合上述重點,本研究將效率/效能評估指標主要分為服務投入、服務產出以及服務消費 三大類別;服務投入部分包括:員工數、機隊數、燃料費用、營業成本及機齡五項;許多細項 如飛航設備、飛機維修、折舊費用皆歸屬於營業成本內。依據林盈合(2003)研究指出影響飛行 安全主要因素為人為因素及機械因素,而人為因素主要是航空人員是否依正常程序作業,其中 又以「重飛、維修與文化因素」為最重要因素;在機械因素部分,以飛機系統與結構為最重要 因素,因此以「機齡」為代表;服務產出部分包括:飛機航班數及提供座位數兩項;飛機航班 數及提供座位數雖存在線性關係,但在評估效能時,飛機航班數尤其能提供資源重新配置的資 訊;服務消費部分包括:營業收入、淨利及乘客人數三項。文獻中大部分學者皆有列入的「總 資產」,於本計畫中並未列入考慮,因本研究探討的受評估單位(Decision Making Unit, DMU) 為以年為基準之特定航線為單位,雖然總資產的衡量皆以年為基準,但因航空公司無法確切的 區分出各航線之總資產,故於本研究不予考慮。

3.2. 最適營運績效模式之構建

雖然過去相當多文獻應用DEA 法衡量效率以及效能,其差額變數分析結果可提供受評估 單位未來改善方向,但旅遊業經常需面臨較高的需求不確定性和較複雜的動態變化。當全球經 濟景氣且遊客有越來越多的產品選擇時,旅遊市場的不確定性和複雜性勢必將增加。實際上,

以DEA 法所提供之改善方向進行改進,由於環境變化以及競爭對手之營運策略無法預期,於 下一年度仍可能造成無效率/效能的情形!故本研究除了應用兩階段 DEA 模式分析服務過程中 之影響因素(中介值)及其應有之投入∕產出量;對航空業分別在面臨因應開發熱門景點導致 的熱門航線或景氣低迷、季節性…等環境變化導致需求變化時,提供足夠的資源最適配置資 訊,本研究嘗試結合需求管理概念,包括需求預測及基於計畫需求和服務/生產能力的銷售計 畫。將季節性、歷年搭乘人數、及天然因素納入需求預測機制,採用季節性整合型自迴歸暨移 動平均相乘(SARIMA)模式預測下年度搭機人數,再將需求預測結果回饋至兩階段 DEA 模式,

對投入面提出修正,以彌補傳統DEA 法之遺憾,並達到提升資源利用率及達到節能減碳的目 的,以滿足企業長久以來無法解決之問題。

3.2.1. 效率/效能績效評估 ⎯ 兩階段資料包絡分析法(Two-Stage DEA)

兩階段DEA 法首先由 Seiford and Zhu(1999)提出並以美國排名前 55 大商業銀行為研究對 象,其將銀行生產過程分為兩個子階段來分析,分別為獲利性與市場性。其中第一個階段的產 出項就是第二個階段的投入項,又稱為中間產物,藉由分階段評估可以更完整的了解商業銀行 的生產績效。Kao and Hwang(2008)將一般的二階段生產過程視為一個具有串聯關係的生產過 程,結合對中間產物的共同限制於績效值計算之限制式中,也就是不管中間產物在第一階段扮 演的角色是產出項、第二階段扮演的是投入項,都要限制給予相同的權重,不得因為所扮演的 角色不同而有所改變,且整體權重績效值等於第一階段績效值和第二階段績效值相乘,驗證結 果顯示改良後二階段評估方法較一般兩階段DEA 法更利於排序。Chen, Liang and Zhu(2009)由 其在2004 年提出的方法與 Kao and Hwang(2008)的方法互相比較,發現可以減少一組限制式仍 等價的兩階段DEA 模式。

兩階段DEA 法之概念如圖四,假設共有 n 個 DMU (DMUj, j = 1, …, n),在第一階段有 m 項投入(xij, i = 1, 2, …, n),D 項產出(Ddj, d = 1, 2, …, D);然後此 D 項產出成為第二階段的投入

(10)

項,並被視為中介值,而第二階段之產出共有s 項(yrj, r = 1, 2, …, s)。依據 CCR 模式,兩階段 及個別階段之效率值可表示如方程式(1),其中 ur, vi及 wd均為非負的權重。

圖四、兩階段DEA概念圖

1 1 2

1 1

1 1 1

, ,

D

s s

d dj

r rj d r rj

r r

j m j m j D

i ij i ij d dj

i i d

w z

u y u y

v x v x w z

θ = θ = θ =

= = =

=

=

=

∑ ∑ ∑

(1) 3.2.1.1. 投入導向之兩階段 DEA 法

首先介紹投入導向之兩階段DEA 法,以下為 Kao and Hwang(2008)所提出之兩階段資料包 絡分析法, 是用來各DMU 衡量整體效率,將產出最大化除以總投入,代表第 k 個 DMU 的 整體效率值;模式(2)之E 為第一階段效率值,模式(3)之1k E 為第二階段效率值,詳細模式如下: k2

1 1

1

max

q

p pk p

k m

i ik i

w Z E

v X

=

=

=

1

1

. . 1,

q

p pj p

m i ij i

w Z s t

v X

=

=

j= …1, ,n (2) w vp, i ≥ε, p=1, , ,q i=1, ,m

2 1

1

max

s r r rk

k q

p pk p

E u Y

w Z

=

=

=

1

1

. . 1,

s r r rj q

p pj p

s t u Y

w Z

=

=

j= …1, ,n (3)

u wr, p ≥ε,r=1, , ,s p=1, ,q

(11)

以投入導向而言,假設有n 個 DMU,即為 DMUj (j=1,…,n),若有 m 項投入 Xi (i=1,…,m),

若有s 項產出 Yr (r=1,…,s),若有 q 項產出 Zp (p=1,…,q)。Kao and Hwang(2008)將第一階段與第 二階段利用乘法模式做運算,即

1 2

k k k

E =E ×E ,則模式(4)為衡量 DMU 整體績效:

1

1

max

s r r rk

k m

i ik i

E u Y

v X

=

=

=

(4)

1

1

. . 1,

s r r rj m

i ij i

s t u Y

v X

=

=

j= …1, ,n

1

1 pj 1,

q p m

i j i

p

i

Z w

v X

=

=

j= …1, ,n

1

1 rj 1,

s r q

r p p pj

Y u w z

=

=

j= …1, ,n

u v wr, ,i p≥ε,r=1, , ,s p=1, ,q

第 k 個 DMU 的整體效率評估模式如(4)。其中第 j 個 DMU 的第 i 項投入值代表 xij,vi 表示i 個投入項之虛擬變數;第 j 個 DMU 的第 r 項產出值代表 ;中介值Z 在第一階段扮演 中介產出的角色,p 為中介產出項總數, 表示第 j 個 DMU 的第 p 項產出, 中介產出權 重;二階段將子系統分為兩個獨立系統進行分析,因此中介值Z 在計算第二階段效率值時,扮 演投入項的角色,p 為中介投入項總數, 則中介投入權重。

根據以上敘述,Kao and Hwang(2008)所提出之兩階段資料包絡分析法,主要是將一整體績 效營運過程,分為兩個階段,意指將效率分解探討,在 Chen, et al. (2009)對於 Kao and Hwang(2008) 提 出 之 兩 階 段 資 料 包 絡 分 析 法 加 以 修 改 。 主 要 是 因 為 模 式 (4) 中 的

1 1

/ 1

q m

p pj i ij

p i

w Z v X

= =

∑ ∑

1 1

/ 1

s q

r rj p pj

r p

u Y w Z

= =

∑ ∑

兩組限制式均存在的情形下,利用模式推導,證實

1 1

/ 1

s m

r rj i ij

r i

u Y v X

= =

∑ ∑

,限制式之存在是多餘的予以刪除,針對績效評估之計算亦可節省時間,模 式(5)為 Chen, et al. (2009)提出之修正:

1

1

ax u Y m v X

s r rk

k m

k r

i i i

E =

=

=

(5)

1

1

. . 1,

q

p pj m p

i i ij

w Z X s t

v

=

=

j= …1, ,n

1

1

1,

s r rj q

j r

p p p

Y u w Z

=

=

j= …1, ,n

(12)

u v wr, ,i p≥ε,r=1, , ,s p=1, ,q

模式(5)為納入中介值後而成之整體營運績效,此目標函數為分數型式,除因運算不易外,

可因投入導向、產出導向不同,轉換成其對應之線性規劃模式,分別進行兩階段效率分析。以 投入導向而言,模式(5)為非線性規劃模式,必須將模式(5)轉為線性規劃模式,但因本研究欲 對無效率DMU 提出更完整之資源配置規劃,需要更深入之分析,因此再將線性規劃模式轉換 為對偶(dual)模式,才能對無效率之 DMU 資源配置建議更詳細,故模式(6)經對偶轉換後之模 式:

1 1 1

min ( )

q

n s

v w u

i k

r r

i p

E

θ ε

s sp s

= = =

= −

∑ ∑

+ +

(6)

1 1

0 . . ik n j ij n j ij iv ,

j j

s t

θ

X

α

X

β

X S

= =

− ≥ i= …1, ,m

1 1

0,

n n

w

j pj j pj p

j j

Z Z S

β γ

= =

− − ≥

∑ ∑

p= …1, ,q

1 1

,

n n

u

j rj j rj r rk

j j

Y Y S Y

α γ

= =

+ − ≥

∑ ∑

r= …1, ,s

θ

 unrestricted ,

α β γ

j j, ,j Siv,Swp,Sru ≥0 1, , ;j= … n r= …1, , ;s i= …1, , ;m p= …1, ,q 其中對應模式(5)中每組限制式所對應之對偶變數,為中介值所輸入之對偶變數, 與 分

別代表投入與產出之對偶變數;另外,因 不受限,因此在變數變換過程中,令

*

1 2

θ

= −

θ θ

, 且

θ θ

12大於等於零。針對其效率值分析方法,若小於 1,代表此 DMU 相對無效率,若效率 值等於1,代表此 DMU 對其他受評估單位來說為相對有效率。因此對無效率之 DMU 必須提 出改善,以下:

* *

( ),

ik i i

v i

k Xk

X X

θ

s

Δ = − − i= …1, ,m (7) ( *) ,

rk rk rk

u

Y Y sr Y

Δ = + − r= …1, ,s (8) 當DMU 為無效率狀況時,若欲其達到效率目標,與為差額變數,此為模式轉換線性規劃 的過程中,將不等式轉為等式的變數,常用之型態。首先因 不受限,故必須

θ θ

12相減求出

θ

*,再將若投入值需要做修正,利用方程式(7)修正 DMU 之投入項,使無效率 DMU 達到有效 率;反之,若產出項需要做修正,利用方程式(8)來修正 DMU 之產出項,使無效率 DMU 達到 有效率;根據以上之方法,求出各DMU 之改善方針,提出改善建議。

3.2.1.2. 產出導向之兩階段 DEA 法

產出導向之兩階段資料包絡分析法模式如下:

(13)

1 k

m i ik i

E min v X

=

=

(9)

1 1

. . 0,

s q

r rj p pj

r p

s t u Y w Z

= =

− ≤

∑ ∑

j= …1, ,n

1 1

0,

q m

p pj i ik

p i

w Z v X

= =

− ≤

∑ ∑

j= …1, ,n

u v wr, ,i p ≥ε,r=1, , ;s i=1, , ;m p=1, ,q

模式(9)是將非線性之模式(10)兩階段資料包絡分析法整體績效衡量模式,轉為線性規劃。

主要是計算DMU 產出導向之效率值,其效率值結果若等於 1,代表此 DMU 為有效率之 DMU;

若大於1,則表示此 DMU 為無效率之 DMU。因本研究欲對無效率 DMU 提出更完整之資源被 配置計劃,需要更深入之分析,因此再將模式(9)轉換為對偶(dual)模式,如模式(10),才能對 無效率之DMU 資源配置建議更詳細,模式如下:

1 1 1

max ( )

n q s

v w u

i k

r r

i p

E

θ ε

s sp s

= = =

= +

∑ ∑

+ +

(10)

1 1

, . .

n n

v

j ij j ij i ij

j j

s t

α

X

β

X S X

= =

+ + ≤

∑ ∑

1, ,i= … m

1 1

0,

n n

w

j pj j pj p

j j

Z Z S

β γ

= =

+

+ ≤ p= …1, ,q

1 1

0,

n n

u

rj j rj j rj r

j j

Y Y Y S

θ α γ

= =

+ ≤ r= …1, ,s

θ

 unrestricted ,

α β γ

j j, ,j Siv,Swp,Sru ≥0 j=1,..., ;n r=1,..., ;s i=1,..., ;m p=1,...,q

其中為對偶轉換時,對中介值所輸入之變數, 與 分別代表轉對偶後投入與產

出之變數;但因轉換過程中,因 , , ,故必須將各限制式分別乘上負號,使

, , 0

j j j

α β γ ≥

。另外,因 不受限,因此在變數變換過程中,令

*

1 2

θ

= −

θ θ

,且

θ θ

12大於等 於零。欲使無效率DMU 達到最適效率目標時,必須對其投入產出項提出改善建議,以下為投 入及產出調整式:

*)

( ,

ik ik

v i

X X Xik S

Δ = − − i= …1, ,m (11)

* *

( ) ,

rk r

u r

k S rk

Y

Y

θ

Y

Δ = + − r= …1, ,s (12)

(14)

其中在產出導向狀態下之差額變數為siv*sru*。方程式(11)是於產出導入狀態,對無效率 之DMU 投入項做調整,則 Xik為投入項之改善量;反之,方程式(12)是對無效率之 DMU 產 出項做調整,則 Yrk為產出項之改善量。

3.2.2. 需求預測 ⎯ 季節性整合型自迴歸暨移動平均相乘模式(SARIMA)

從一種策略性觀點,旅遊投資的決策,特別是對特色景點之基礎設施,如飛機場、高速公 路和鐵路連結的投資,均需倚賴需求預測,因為長期的金融承諾是必備的,並且如果投資項目 不能完成他們設計的能力,被搞垮的費用可能非常高。從運作的觀點,旅遊需求會直接驅動服 務供應鏈成員如航空公司、旅遊經紀人、飯店、遊覽船線及娛樂設備供應商的活動。很多企業 的成功基本上倚賴市場需求預測,因為需求預測扮演決定企業獲利的關鍵角色,在整個服務供 應鏈計畫活動裡是非常重要的因素。很多對旅遊產品之需求管理的手法是有助於解決市場的不 確定。例如:鑑於負面口頭傳播影響會導致旅遊產品需求量的下降,有效的廣告能吸引更多的 遊客。在以觀光旅遊聞名之國家或地區的經濟狀況經常被視為一個推廣當地特色景點之旅遊產 品的因素,它會影響旅遊產品需求量。

季節性整合型自迴歸暨移動平均相乘模式(SARIMA)為一非季節性與季節性之運算式相乘 組合而成的,特點為可顯示季節性之特性,一般表示為SRIAMA (p,d,q)(P,D,Q)s,稱為季節性 整 合 型 自 迴 歸 暨 移 動 平 均 相 乘 模 式 。SARIMA 模 式 係 以 自 我 迴 歸 整 合 移 動 平 均 模 式 (Autoregressive Integrated Moving Average, ARIMA)為基礎,加入季節性差分,考慮時間數列之 季節性,亦為兩者整合而成為一組新模式,其一般式為:

φ

P( )B ΦP(BS) ( )∇ B d∇(BS D) syt = +C

θ

q( )B ΘQ(BS) (4) ARIMA 模式分別由自我迴歸項(AutoRegreesive, AR)、移動平均項(Moving Average, MA) 與差分處理(Difference) 三個部分組成。其中 C 為常數項,代表∇ ∇d Dsyt可能有一非零平均值;

P( )B

φ

為非季節性符號,且

φ

P( ) (1B = −

φ

1B1

φ

2B2− −…

φ

PBP)為非季節性自我相關係數;θq( )B 為非季節性的移動平均運算符號,且

1 2

1 2

( ) 1 q

q B B B qB

θ

= −

θ

θ

− −…

θ

為非季節性的移動平均係 數;以此類推; ΦP(BS)為季節性的自我相關運算符號,且

1 2

1 2

( ) 1 P

P B B B PB

Φ = − Φ − Φ − − Φ… 為 季 節 性 的 自 我 相 關 係 數 ; ΘQ(BS)

為 季 節 性 的 移 動 平 均 運 算 符 號 , 且

1 2

1 2

( ) 1 Q

Q B B B QB

Θ = − Θ −Θ −…−Θ

為季節性的移動平均係數。

因本研究之研究對象為航空運輸業,其旅運需求具有季節性及趨勢之特性,在參數設定之 步驟是透過自我相關圖形辨認,建構出各航線 SARIMA 預測模式。再利用平均絕對誤差百分 比(MAPE)之檢定進行預測模式優劣之判斷,依據方程式(5)可確定各航線之預測模式,其中 k 為預測次數,n 為預測起始期數, 為預測 t 期之來台旅客人數, 為實際來台旅客人數。

1 1

1 ˆ 100%

n k t

t n t

MAPE k F

F

+

= +

=

− × (5) MAPE 值為常用之預測模式優劣判別方式,可藉由 MAPE 指標值來判定預測模式之準確 性,如表一。

(15)

表一、MAPE 衡量標準表

MAPE 區間 模式優劣結果

<10% 高度準確預測模式

10%~20% 好的預測模式

20%~50% 合理的預測模式

>50% 不準確的預測模式

準確的預測模式可達到預測效率,預測出下一年度來台入境人數,將此需求預測結果回饋 至兩階段 DEA 法產出導向模式,可協助管理者提前了解未來需求同時進行資源重新配置,提 前對未來進行決策規劃,減少企業承擔風險。

4. 實證分析

台灣四面環海,因此航運及海運為台灣拓展國際觀光業的重要運輸工具,但因搭乘海運之 旅客較少,且花費的時間較多,故本研究以國際航空業為研究對象。針對航空運輸業產品與服 務不容保存之特性與高度資本沉沒成本之特性,加上近年來整體經濟不穩定,各地天災、戰亂 不斷,因此航空運輸業當前課題應更需要精算成本與營業利潤,突破經營上的困難,使資源達 到最適配置。根據民航局統計資料顯示,台灣民用航空運輸業在東亞航線(不含大陸包機)載客 率平均高達92% ,而某航空公司國際航線載客人數 95 萬 2,021 人(占 55.9%),因此本研究將 某航空公司東亞航線定為研究對象。數據資料採用西元2000 年到 2010 年交通部民航局統計資 料與某航空公司年報,主要探討載客量較高的東亞航線,以東京、名古屋、福岡、胡志明、曼 谷、峇里島、雅加達、新加坡、馬尼拉、吉隆坡、香港、河內做為評估對象,且針對 2008 年 至2010 年之出入境,探討各航線之營運績效;另外,由於仁川航線 2004 年才駛航,且中間有 一段時間停飛,因此將此數據予以刪除。以下航線以西元年份表示,例如08 東京代表 2008 年 東京航線,以此類推。首先評估各航線最近數年之效率/效能表現;再運用 SARIMA 模式預測 下年度旅運需求,並將預測結果回饋於整體營運績效評估模式,建立需求管理機制於固定產出 狀態下,除運算其整體效率值,並調整其投入/產出外,並比較原兩階段 DEA 法建議之改善方 向(投入/產出配置)、結合旅運需求預測推估之投入/產出配置建議兩者間之績效差異,驗證 結合需求管理對提升資源利用率有實質助益。

4.1. 兩階段 DEA 模式分析各航線 2008 年至 2010 年之績效

本研究之研究對象為某航空公司東亞航線中東京等12 航線在 2008 年至 2010 年之績效表 現,首先採用兩階段DEA 模式分析各航線之整體效率值及改善建議,如表二。由航線相對效 率值來看,可知2010 年東京航線相對效率值為 1,為最有效率之 DMU,次為 2009 年東京航 線相對效率值為0.947;表現最差為 2008 年河內航線,相對效率值為 0.382。若欲使無效率之 航線達到效率目標,可參考表二提出之改善建議,提供企業為節省成本而無預測資訊情況下,

做為航線資源重新配置之依據。

就整體航線表現方面,東京航線整體表現較佳,效率值亦維持在1 與 0.9 之間;河內航線 在整體航線表現方面,相對落後其他航線,效率值皆未超過 0.6,本研究認為因河內航線啟航 時間為2003 年 7 月 29 日,為航空公司新開闢航線,因河內航線營運時間較短,導致每年搭乘 旅客人數較不穩定,故本研究建議航空公司除考量資源配置之妥適性外,更應該因應季節變化 及當地之祭典、節慶,在銷售通路上多加宣傳,提高旅運需求量。另外除東京航線外,其餘無 效率航線之總員工人數皆需做調整,建議經營者應立即對人員排班進行檢討;在機齡方面,因 基於航空運輸安全法則,建議航空公司有必要對機齡做調整,尤其福岡與馬尼拉航線刪減機齡 數值較大,對旅客搭乘安全之虞,建議必須立即做改善;在燃料費用方面胡志明、曼谷、馬尼

(16)

拉、香港航線需調整較多,建議管理者調查飛行航班時段,搭機人數是否達到效率,可由刪減 航班數做或調整飛航時間,減少燃料費之使用;在營業收入方面香港航線差距較大,建議業者 必須立即對航線做調整;乘客人數方面,曼谷、馬尼拉、香港差距較大,營業收入與乘客人數 部分,建議可配合淡季與旺季,製作行銷廣告、平面廣告進行航線宣傳,或與其他旅行社合作 聯盟,有效增加搭機人數。

本節主要以節省成本之角度,利用兩階段DEA 法之投入導向模式對各航線進行分析,除 了解各航線之相對效率,並據此提出各航線在下一年度投入/產出項之改善建議,但是下一年 度各航線之旅運需求量未必與今年相同,意指在經營環境變動下,若無法掌握未來旅運需求量 之概況,航空公司仍須承擔龐大的風險,因此本研究認為要真正有效提升整體航線營運效率,

還需配合需求管理機制之需求預測資訊回饋,作為重新資源配置之參考。

4.2. SARIMA 模式預測來台旅客量

本研究依據台灣某航空公司東亞航線2000 年至 2010 年 3 月之入境乘客數,來預測各航線 下一年度入境乘客數,使業者可以根據預測資訊,建立一套完整的需求規劃。根據航空運輸特 性,其中包含運輸需求尖離峰明顯的特性,加上台灣四季分明,因此月資料數據季節性起伏明 顯,利用各航線數據的含有季節性趨勢,選擇季節性整合型自迴歸暨移動平均相乘模式 (SARIMA)模式進行預測分析。惟因 2003 年亞洲地區爆發「嚴重急性呼吸症候群」(SARS)事 件,重創亞洲地區觀光行業,此為偶發事件,為避免影響預測準確性,本研究將 2003 年入境 乘客數予以刪除。經由序列圖形與自我相關圖形之辨認來設定參數值,各航線經過多次測試,

分別找到各航線最適SARIMA 預測模式及其 MAPE 值如表三。

由表三顯示東京航線之MAPE 值(2.671%)為最小,可知東京航線預測模式表現較佳,其次 為香港航線;各航線預測模式MAPE 值皆小於 10%,均為高準度預測模式;僅有河內航線之 MAPE 值為 10.746%,但仍在良好預測模式範圍之內。確定各航線之預測模式後,即可預測未 來之入境乘客數,再將資訊回饋至整體績效評估模式,以重新調整資源配置。

表三、各航線之SARIMA 模式與 MAPE 模式檢定值

航線名稱 SARIMA 模式 MAPE

東京 SARIMA(2,1,1)(1,1,1)12

2.671%

名古屋 SARIMA(0,1,2)(1,1,1)12 7.218%

福岡 SARIMA(1,1,0)(1,1,1)12 4.518%

胡志明 SARIMA(1,1,1)(1,1,1)12 3.468%

曼谷 SARIMA(1,1,1)(1,1,1)12 6.241%

峇里島 SARIMA(1,1,2)(1,1,1)12 8.372%

雅加達 SARIMA(0,2,2)(1,1,1)12 7.230%

新加坡 SARIMA(2,1,0)(1,1,1)12 4.582%

馬尼拉 SARIMA(0,2,1)(0,1,2)12 9.359%

吉隆坡 SARIMA(1,2,1)(1,1,1)12 6.912%

香港 SARIMA(0,1,2)(1,1,1)12 3.277%

河內 SARIMA(1,2,2)(2,1,2)12

10.746%

4.3. 需求預測回饋以構建需求管理機制

本節主要為顯示導入需求管理機制之重要性,首先將預測之入境乘客數回饋至整體績效評

(17)

估模式當作產出項,重新推估最適資源投入量;再比較原兩階段DEA 法建議之改善方向(投 入/產出配置)、結合旅運需求預測推估之投入/產出配置建議兩者間之績效差異,驗證結合需 求管理對提升資源利用率有實質助益!並以東京航線為例進行比較驗證。

利用預測之入境乘客數,回饋至經兩階段資料包絡分析法運算之 2010 年各航線,利用其 提供改善方向進行改善後,而得2011 年航線之投入項與產出項,如 2011 年東京預測航線,簡 稱為「11 東京」,其餘航線亦作相同之推估,因預測資訊為下年度入境乘客數,因此預測資 訊回饋是對Y(2)乘客人數之數據直接做修正。將各航線 2011 年航線之投入項與產出項與 2008 年至 2010 年航線做比較與營運績效分析,整理為表三。根據表三之結果顯示,因預測數據回 饋並重新資源配置後之各航線效率皆有明顯上升,其中 2011 年東京航線效率值達到 1,仍為 最有效率之航線;而原表現最差的河內航線其在經由需求管理機制下之資源重新配置後,其相 對效率值明顯贏過其他航線在過去2008-2010 年的表現。

為證明本研究所提出導入需求管理機制提升營運績效之模式實用性與準確性,因此將僅依 相對效率重新資源規劃之各航線與經需求預測規劃並重新資源配置過後之各航線做比較,以東 京航線為例,將需求預測資訊回饋並重新改善投入與產出之「11 東京」航線,與僅依相對效 率重新調整資源配置之「11 修正東京」航線做比較,整理如表四。根據表四之結果,「11 東 京」航線之相對效率明顯優於「11 修正東京」航線,「11 修正東京」航線之相對效率值為 1.009,

仍無法達到有效率,顯示需求預測對於航空運輸是必要的,可有效的降低業者承擔的風險與提 高獲利。雖然由改善整體績效著手,對無效率之航線下年度之效率/效能是有幫助的,但並不 保證下一年度確實可達到有效能,原因為需求之不確定,以及外在環境瞬間變化因素影響而造 成的,足以顯示本研究提出導入需求管理機制提升營運績效模式之構建確實有其必要性及重要 性,模式所提供之改善方向足以做為業者在實務上改善之參考依據。

綜觀表三與表四之結果,僅依相對效率重新調整資源配置的航線與經預測數據回饋並經重 新資源配置之航線,效率值明顯差異外,在投入項方面,經預測數據回饋並重新資源配置後之 航線,其投入項改善量明顯降低,以「11 峇里島」航線為例,在表三中其效率值為 1.220,在 投入項方面並不需要再做改善,但在表四中因加入僅依相對效率重新調整資源配置之「11 修 正東京」航線,「11 峇里島」航線的相對效率值竟達 1,為相對有效率之航線,因此亦可解釋 為「11 峇里島」航線之相對效率較「11 修正東京」航線高,由此更可證實導入需求管理機制 的重要性,不僅針對航線各項資源做改善是考慮未來需求量,更能精確的指出下一年度各航線 資源的改善量。

5. 結論與建議

面對景氣低迷、能源危機與全球暖化問題,為因應全球經濟劇烈變化,並有效提升台灣產 業發展,如何能在有效的控制成本,並達到節能減碳的環保目的,儼然已成為各企業規劃未來 經營策略的重要考量。觀光旅遊業在與科技產業最大的差異在於旅遊產品是由很多不同的服務 零部件(如:住宿、交通、觀光、餐飲和購物)組成,尤其是屬於不具保存性,並且有較高的預 付款(固定成本)以維持是固定水準的服務能力!台灣屬於海島型國家,對外交通全仰賴航空 與海運,休閒旅遊產業尤其需依賴航空業推動,航空業產品/服務尤其具有不容保存的特性!

因此針對航空業之營運效能尤其重要,不僅是降低成本,亦是為全球之節能減碳活動擔負起企 業之社會責任!雖然應用 DEA 法衡量效率以及效能,差額變數分析結果雖可提供其改善方 向,但旅遊業經常需面臨較高的需求不確定性和較複雜的動態變化。當全球經濟景氣且遊客有 越來越多的產品選擇時,旅遊市場的不確定性和複雜性勢必將增加。實際上,以DEA 法所提 供之改善方向進行改進,由於環境變化以及競爭對手之營運策略無法預期,於下一年度仍可能 造成無效率/效能的情形!故本研究將提出一最適決策模式,整合兩階段 DEA 模式及 SARIMA 預測模式,對航空業分別在面臨因應開發熱門景點導致的熱門航線或景氣低迷、季節性…等環

(18)

境變化導致需求變化時,提供足夠的資源最適配置資訊。

此外,本研究除了將飛行安全風險因素融入評估模式中,更是將季節性及天然因素納入需 求預測機制,以降低預測誤差!確實提供資源最適配置的資訊。以彌補傳統DEA 法之遺憾,

透過事前預測未來之產出需求量,再由投入面提出修正,以滿足企業長久以來無法解決之問 題。因此以綠色管理的觀點,欲達到提升資源利用率及達到節能減碳的目的,在一觀光旅遊業 的服務供應鏈中,航空業的績效評估與需求管理更是首要關鍵議題。

由本研究以2008 年至 2010 年之東亞航線進行實證分析結果可知,透過預測未來之產出需 求量,再由投入面修正,可降低企業承擔之風險,並追求高效率之目標,成功達到效能與效率 雙贏之局面。根據分析結果顯示,新加坡、吉隆坡航線員工人數較多,因此建議應對其員工做 績效評估進行人力精簡;而名古屋、福岡、雅加達、吉隆坡航線在營業成本方面需做改進,建 議由航班數或機隊數方面著手,對較離峰時段刪減航班數,或利用聯盟方式進行租賃或共乘以 節省成本,達到資源最適配置,更可以有效減少航空器之排碳量,對環保盡一份心力。

另一方面,因為同業間的競爭激烈,旅遊業經常需面臨較高的需求不確定性和較複雜的動 態變化。當全球經濟景氣且遊客有越來越多的產品選擇時,旅遊市場的不確定性和複雜性勢必 將增加。在此情況下,在旅遊供應鏈內的夥伴將憑藉集體行動穩定旅遊產品供應環境。惟如何 設計合理的價格及協同合作模式,可促使供應鏈內的夥伴(飯店業、交通運輸業、旅遊業、餐 飲業及MICE 大型會議中心、展館)願意參與異業結合的協同合作模式,共同締造共贏的局面,

是觀光旅遊業的服務供應鏈的另一關鍵議題。

參考文獻

相關文件

The main purpose of this study is applying TRIZ theory to construct the Green Supply Chain management (GSCM) strategies for the international tourist hotel1. Based on the

Thus, the proposed approach is a feasible and effective method for process parameter optimization in MIMO plastic injection molding and can result in significant quality and

The final results of experiment show that the performance of DBR system declines when labor utilization increases and the CCR-WIP dispatching rule facilitate to

(1995), Land Mosaics: The Ecology of Landscape Ecology and Regions, Cambridge: Cambridge University Press. Weaver.(1979),Territory

二、 本計畫已將部分研究結果整理,發表於國際研討會(Chan, Y.-H., Lin, S.-P., (2010/7), A new model for service improvement design, The 2010 International Conference

This project is the optical electro-mechanic integration design and manufacturing research of high magnifications miniaturized size zoom lens and novel active high accuracy laser

Florida, R.,2002, The Rise of the Creative Class and How It's Transforming Work, Leisure, Community and Everyday Life, Basic Books, New York. (Ed), Toward Scientific

Some efficient communication scheduling methods for the Block-Cyclic redistribution had been proposed which can help reduce the data transmission cost.. The previous work [9,